К содержимому
Другое

tiny-aya-global-codemix-steer

защита LLM при смешении языков

2 мин чтенияобновлено

Артефакт для steering (направления активаций модели во время генерации без изменения её весов), созданный для языковой модели CohereLabs/tiny-aya-global (3.35B). Автор dhrubasumatary подготовил его в рамках хакатона Lexsi AI Safety & Alignment для решения проблемы безопасности на запросах с кодовым переключением — в частности, на хинглише (смесь хинди и английского латиницей). На чистом английском базовая модель корректно отклоняет опасные запросы, но при переходе на смешанный язык начинает пропускать нежелательные ответы и чаще ошибочно отказывает в безобидных вопросах. Применение вектора отказа (refusal_direction.safetensors) снижает долю успешных атак на хинглише в четыре раза, сохраняя полезность ответов и почти не замедляя генерацию. Инструмент пригодится исследователям безопасности ИИ и разработчикам мультиязычных ассистентов.

Ключевые особенности

  • Работа без изменения весов: направление отказа вычислено с помощью инструмента SafeTune (RefusalDirectionTrainer) и применяется напрямую при инференсе.
  • Баланс безопасности и полезности: при оптимальном коэффициенте alpha = 0.1 доля успешных атак на хинглише падает с 20.0% до 5.0%, а ложные отказы снижаются с 30.0% до 25.0%.
  • Минимальные накладные расходы: задержка на один промпт увеличивается всего на ~30 мс (с 0.393 с до 0.422 с на GPU A100).
  • Воспроизводимый пайплайн: проект включает открытый бенчмарк из 120 парных промптов и связку утилит CuratorKIT, SafeTune и AuditKIT.

Что можно сделать

  • Встроить вектор управления в инференс Tiny Aya Global для фильтрации нежелательного контента в мультиязычных чатах.
  • Использовать опубликованный пайплайн и датасет codemix-safety-check как шаблон для тестирования устойчивости других небольших LLM на смешанных языках.

Пример

pip install "git+[https://github.com/Lexsi-Labs/CuratorKIT](https://github.com/Lexsi-Labs/CuratorKIT)"
curatorkit run curation/pipeline.yaml --output-dir curation/out/

pip install modal && modal setup
modal secret create codemix-hf HF_TOKEN=
modal deploy run_modal.py
ПодробнееБазовая модель: CohereLabs/tiny-aya-global (3.35B), судья при оценке — Qwen/Qwen2.5-7B-Instruct.
Метрики на отложенной выборке Hinglish (alpha 0.1): Attack Success Rate 5.0% (было 20.0%), Over-refusal 25.0% (было 30.0%), Benign usefulness 65.0%.
Ограничения: выборка небольшая (80 тестовых промптов CodeMix и 150 XSTest); на XSTest уровень ложных отказов остаётся высоким (46.0%), а повышение alpha выше 0.3 резко снижает полезность модели.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # dhrubasumatary/tiny-aya-global-codemix-steer
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download dhrubasumatary/tiny-aya-global-codemix-steer --local-dir ~/models/tiny-aya-global-codemix-steer
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-aya-global-codemix-steer
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

CohereLabs/tiny-aya-global
  1. tiny-aya-baseоснова семьи
  2. tiny-aya-global
  3. tiny-aya-global-codemix-steer

Новые посты про версии tiny-aya-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

dhrubasumatary/tiny-aya-global-codemix-steer
Автор
dhrubasumatary
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии